论文部分内容阅读
近年来,医学研究表明新生儿对疼痛具有感知能力,新生儿的这种早期的疼痛对其以后的行为和生长发育都会有影响。因此,关于新生儿疼痛的研究在国外引起了广泛的关注。由于新生儿不能自述疼痛的感受,面部表情被广泛认为是描述新生儿疼痛最有效、可靠的评估指标。新生儿面部表情特征提取是表情识别系统的核心,特征提取的有效性直接影响到识别的速度和性能。
本文综合比较了目前各种人脸表情特征提取方法的优缺点,在对Gabor小波、特征脸和核鉴别分析方法进行研究的基础上,提出了一种新的用于新生儿疼痛表情识别的特征提取方法。主要完成了以下工作:(1)建立了一个包含800幅不同表情的新生儿面部图像数据库,本文所有实验都是在这个数据库上进行的;(2)提取人脸面部表情图像的Gabor特征;(3)传统方法中对Gabor特征直接进行均匀下采样势必会造成有用识别信息的丢失,针对这一问题,提出选取人脸“T”字区域Gabor特征的方法,并通过实验证明了这种方法有利于提高表情识别率;(4)针对经过选取人脸“T”字区域Gabor特征后的特征向量维数依然很高这一问题,提出利用特征脸和核鉴别分析方法对Gabor特征进行二次特征提取,该方法从根本上解决了由于人脸识别小样本问题引起的核类内离散度矩阵奇异的问题,同时降低了核函数的计算量。
本文利用模糊支持向量机分类器对提取的特征进行了实验验证,通过对实验结果的分析得出以下结论:本文提出的表情特征提取方法能够改善表情识别系统的性能,不仅有效地提高系统的表情识别率,而且具有更好的实时性。